TVSBot
策略类型 · 统计套利

配对交易（Pairs Trading）
统计套利完整指南

2026-06-03·14 分钟阅读·策略类型

1980 年代中期，Morgan Stanley 的程序员 Nunzio Tartaglia 带了一群物理博士在地下室写程序， 发现历史上股价走得很像的两家公司，价差短期偏离后会回归。 他们把这个发现变成系统化交易策略，年化 50%+， 这套方法后来被叫做「配对交易」（Pairs Trading）。

这篇讲配对交易的数学原理、Morgan Stanley 怎么发迹、 加密圈现代版怎么做、为什么 95% 散户尝试后都失败。 并附 Python / Pine 实作范例。

1. 配对交易一句话

同时做多一个资产、做空另一个高度相关的资产， 赌两者价差短期偏离后会回归均值。

经典例子：可口可乐（KO）和百事（PEP）股价长期走势类似。 某天 KO 涨、PEP 没跟上 → 做空 KO、做多 PEP， 等价差收敛时两边都关仓获利。

这是「市场中性」策略
因为一边做多、一边做空，整体仓位对大盘方向不敏感。 大盘涨跌都不影响策略 PnL，只要两个资产的「相对」价差收敛就赚。 这对 2008 金融危机这种大事件特别有用 — 全市场崩盘时配对交易理论上不该亏太多。

2. 数学基础：协整、Spread、Z-Score

2.1 协整（Cointegration）

两个时间序列各自都不稳定（会持续涨跌） 但它们的线性组合稳定（会回到均值）。 这就叫协整。

配对交易的选对检验：Engle-Granger 或 Johansen 检验（两种统计检定法）。 通过检验才代表这对能跑配对策略。

# Python: Engle-Granger 协整检验
from statsmodels.tsa.stattools import coint
import pandas as pd

# A, B 是两个资产的价格序列（同期）
score, pvalue, _ = coint(A, B)

# pvalue < 0.05 → 两者协整，可考虑配对
# pvalue 越小越稳定

2.2 Spread（价差）

算出 A、B 的对数价格， 用 OLS 回归得到 hedge ratio β。 Spread = log(A) − β × log(B)。

配对交易就是赌 spread 回归到历史平均。

2.3 Z-Score 进场信号

把 spread 标准化：z = (spread − mean) / std。 常见规则：

  • z > +2：spread 过高 → 做空 A、做多 B
  • z < −2：spread 过低 → 做多 A、做空 B
  • |z| < 0.5：spread 回归 → 平仓
  • |z| > 4：可能结构性破坏 → 强制止损
# 简化版 Pairs Trading 逻辑
window = 60  # 60 期均值/标准差

spread = np.log(A) - beta * np.log(B)
mean = spread.rolling(window).mean()
std  = spread.rolling(window).std()
z    = (spread - mean) / std

if z > 2 and position == 0:
    short(A); long(B); position = -1
elif z < -2 and position == 0:
    long(A); short(B); position = +1
elif abs(z) < 0.5 and position != 0:
    close_all(); position = 0
elif abs(z) > 4:
    close_all(); position = 0  # 模型破坏 - 紧急退出

3. Morgan Stanley 起源故事（1980 中后期）

1986 年左右，Nunzio Tartaglia 在 Morgan Stanley 领一群人 — Gerry Bamberger（程序员）、David Shaw（后来开 DE Shaw、间接催生 Two Sigma 和 Citadel）— 做股票「配对」实验。

当时叫「黑盒子」（Black Box Trading）， 因为大家不知道里面什么逻辑。后来证实核心就是配对交易 + 部分统计套利。 据传 1987 年策略年化报酬 50%+。

为什么这套会被叫『统计套利』（StatArb）
虽然叫套利，但其实不是真套利（真套利是无风险的，例如三角套利）。 这套是「统计上预期会收敛」的高胜率概率交易 — 每笔胜率 60~70%，靠大数法则赚长期。 Morgan Stanley 同时跑数百对配对， 靠分散把单对失败风险稀释。

1998 LTCM 事件

配对交易的最大教训：协整不是永久成立的。

1998 年 LTCM（Long-Term Capital Management）就是用类似逻辑做主权债、 杠杆 25x，俄罗斯违约后相关性突然崩溃， 所有「应该回归」的价差继续发散，3 个月亏 $4.6B， 几乎拖垮全球金融系统。Fed 紧急召集银行救援。

详细看 均值回归策略 — LTCM 4.6B 崩盘完整解析。

4. 加密圈版本：BTC vs ETH？

加密圈最常见的配对例子是BTC vs ETH。 两者长期相关性 ~0.85（一年滑动），但短期会背离。

但这对其实不算「协整」 — 因为背后驱动因素不同 （BTC 是价值储存叙事、ETH 是 DeFi / 智能合约叙事）， 长期 ETH/BTC 比率有结构性偏移。

加密圈比较容易做配对的对：

  • 同类 L1：SOL vs AVAX、APT vs SUI（同期上线、相似叙事）
  • 同类 LST：stETH vs cbETH（同样 staked ETH，差异是发行商）
  • 同类稳定币：USDC vs USDT（极窄价差，需高频才有意义）
  • L1 vs 衍生 L2：ETH vs ARB / OP（ARB 跟 ETH 强相关但有溢价周期）
  • BTC 现货 vs BTC 永续：技术上叫「现期套利」， 其实就是 z-score 用在 basis 上

5. 一个简化版 Pine 范例

下面是BTC vs ETH 的 z-score 配对策略 Pine 范例：

//@version=5
strategy("BTC-ETH Pairs", overlay=false, initial_capital=10000)

// 取两个资产价格
btc = request.security("BINANCE:BTCUSDT", timeframe.period, close)
eth = request.security("BINANCE:ETHUSDT", timeframe.period, close)

// 计算 spread（这里用简化版 ratio，正式版要先算 OLS hedge ratio）
ratio = btc / eth
window = input.int(100, "Window")

mean = ta.sma(ratio, window)
sd   = ta.stdev(ratio, window)
z    = (ratio - mean) / sd

// 信号规则
long_signal  = z < -2
short_signal = z > 2
exit_signal  = math.abs(z) < 0.5

if long_signal
    strategy.entry("Long BTC / Short ETH", strategy.long)
if short_signal
    strategy.entry("Short BTC / Long ETH", strategy.short)
if exit_signal
    strategy.close_all()

plot(z, title="Z-Score")
hline(2, color=color.red)
hline(-2, color=color.green)
hline(0, color=color.gray)
这只是教学版
正式跑要做的更多：协整检验、动态 hedge ratio、 下单时两个 symbol 同时送出（一边滑价就破坏配对）。 Pine 本身不太擅长同时操作两个资产 — 通常进阶做法是写成两条 Alert， TVSBot 后端收到后一起送出。

6. 散户实作的 5 大陷阱

  1. 把「相关性」当「协整」。 相关性 0.9 不代表 spread 会回归 — 只代表他们涨跌方向一致。协整要看 spread 本身有没有均值回归性质
  2. 不做动态调 hedge ratio。 β 会随市场状态变，固定 β 跑半年后完全失效
  3. 同时下单滑价问题。 两边不能同时成交时， 你已经形成单边风险暴露， 不是配对策略而是裸仓
  4. 没有止损。 协整破坏时 spread 一路发散， 像 LTCM 那样继续加仓等回归 = 自毁
  5. 跑太少对。 机构跑 100~500 对分散风险。 散户跑 1~2 对， 单对失败就 game over。 建议至少 5 对以上分散

7. 为什么 95% 散户尝试后失败

配对交易看起来简单（就是一个 z-score）， 实际是对统计学要求很高的策略。

  • 选对需要协整检验、计算 hedge ratio
  • 动态 re-estimate β（rolling regression）
  • 同时跑多对分散风险
  • 监控结构性破坏信号（Augmented Dickey-Fuller 变动）
  • 跨交易所执行避免单一资金费率 / 滑价污染

这些散户通常都跳过 — 看了个 BTC/ETH 简单 ratio 信号就上线， 结构性背离（例如 ETH 升级事件）后就一路亏损。

8. 在 TVSBot 上实作

技术上需要：

  1. 两条 Alert（一条 long、一条 short）， 或一条 Alert 多个 strategy 路由 （TVSBot 支持 payload.strategy 同时触发两个策略， 细节看 多策略路由文档）
  2. 两组 TVSBot 策略，一个对应 long BTC，一个对应 short ETH， 绑同一个 API key 确保同账号内对冲
  3. 调好仓位大小， 根据 hedge ratio β 设定 long / short 的 qty （β = 0.8 代表 long $100 BTC 对应 short $80 ETH）

Get started

想把今天学到的东西自动化跑起来？

想跑配对 / 统计套利？TVSBot 支持多策略路由 + 跨交易所执行，把信号分到不同 API key 并行下单。

免费注册 TVSBot

9. 三个关键 takeaway

  1. 配对交易是市场中性策略 — 一边 long、一边 short， 理论上不依赖大盘方向
  2. 协整 ≠ 相关性。 选对要走统计检验（Engle-Granger / ADF）， 不是看共涨共跌就行
  3. LTCM 1998 是最大教训： 协整可以突然破坏，没有止损 + 高杠杆 = 灾难。 一定要有「z > 4 强制平仓」这种 circuit breaker
延伸阅读